基于SSA-SVR的葡萄糖定量分析研究

基于红外光谱技术,研究葡萄糖定量分析的数据集划分、预处理、定量建模等问题.以单一背景葡萄糖仿体溶液和葡萄糖及白蛋白混合溶液为研究对象,采用等间隔划分(RANK)法、KS法、双向算法及SPXY法四种数据集划分方法,采用小波变换滤波(WT)、直接正交信号校正(DOSC)、Savitzky Golay(SG)滤波、散射校正(MSC)、标准正态变量变换(SNV)五种预处理方法,建立偏最小二乘回归(PLSR)和支持向量回归(SVR)定量分析模型,其中利用麻雀搜索算法(SSA)对SVR模型进行优化.在单一背景样本下,最佳定量分析模型是SPXY-WT+SG-SVR模型,此时的预测集均方根误差(RMSEP)为3.4351 mg/dL,预测集相关系数为0.9998.在混合背景样本下,最佳定量分析模型是RANK-SG+WT-SVR模型,此时RMSEP为3.6813 mg/dL,预测集相关系数为0.9998.结果表明,无论是在单一背景下还是复杂背景下,SVR模型都要优于PLSR模型,这为红外光谱数据的葡萄糖定量分析提供了一种方法和思路.